To measure the ideological content of several major online news services, I compare the topics discussed in these media with the press releases of the Bundestag parties. The following is an analysis of the content of the press releases scraped from the public websites of the political parties and political groups. A big part of this analysis is inspired from the work of Julia Silge and David Robinson (Text Mining with R - A Tidy Approach).
I assume that parties utilize their press releases to promote their issues and positions and thus also contribute to the election campaign. However, it should be noted that there is a difference between the press releases of the parties and the factions. Parties are financed by membership dues, donations and campaign expenses, while factions are financed by state funds. According to Parteigesetzt §25 (2) state funded factions may not support parties from their funds, because otherwise parties that are not in the Bundestag would be practically disadvantaged.
Since it is difficult to draw the line between faction activity and election campaign assistance, I assume that factions intervene in the public perception of this party with their press releases, which is why I include both the press releases of the federal party and the federal faction.
| title_text | text_cleaned | |
|---|---|---|
| 315 | Entlassung Peter Steudtners ist ein Zeichen der Hoffnung Die Entlassung des Menschenrechtlers Peter Steudtner und sieben weiterer Angeklagter aus der Untersuchungshaft ist ein wichtiges Hoffnungszeichen. Die türkische Justiz muss in den kommenden Wochen jedoch beweisen, dass auch für sie die Maximen Rechtsstaatlichkeit und Unabhängigkeit gelten. „Peter Steudtner ist endlich entlassen. Nach Wochen der Sorge und Irritationen ist seine Entlassung und die weiterer Menschenrechtsaktivisten ein Zeichen der Hoffnung. Die Entscheidung des Gerichts ist jedoch nur ein erster Schritt auf einem langen Weg, auf dem die türkische Justiz wieder das Vertrauen der internationalen Öffentlichkeit zurückgewinnen muss. Dafür muss sie auch in den weiteren Wochen und Monaten beweisen, dass Rechtsstaatlichkeit und Unabhängigkeit ihre Maximen sind. Wir dürfen bei dieser erleichternden Nachricht nicht vergessen, dass im vergangenen Jahr weit über 150.000 Menschen wegen des Verdachts der Terrorismusunterstützung in Polizeigewahrsam genommen oder suspendiert wurden. Bis heute warten – unter vielen anderen – zehn Deutsche in türkischen Gefängnissen auf ihre Anklageschrift bzw. ihr Urteil. Den nun aus der Untersuchungshaft entlassenen Angeklagten gilt unser besonderer Respekt für ihre Standfestigkeit und ihren Mut, trotz der systematischen Einschüchterungen für die Menschenrechte zu kämpfen." | entlassung peter steudtners zeichen hoffnung entlassung menschenrechtlers peter steudtner angeklagter untersuchungshaft wichtiges hoffnungszeichen türkische justiz kommenden wochen beweisen maximen rechtsstaatlichkeit unabhängigkeit gelten peter steudtner endlich entlassen wochen sorge irritationen entlassung menschenrechtsaktivisten zeichen hoffnung entscheidung gerichts schritt langen türkische justiz vertrauen internationalen öffentlichkeit zurückgewinnen wochen monaten beweisen rechtsstaatlichkeit unabhängigkeit maximen erleichternden nachricht vergessen vergangenen jahr menschen verdachts terrorismusunterstützung polizeigewahrsam suspendiert warten deutsche türkischen gefängnissen anklageschrift urteil untersuchungshaft entlassenen angeklagten besonderer respekt standfestigkeit mut trotz systematischen einschüchterungen menschenrechte kämpfen |
tokens <- pressReleases %>% unnest_tokens(word, text_cleaned1)
tokens.count <- tokens %>%
count(party, word, sort = TRUE) %>%
ungroup() %>%
bind_tf_idf(word,party,n)
We can compare the word frequency for the different parties.
Overall, notice in the Figures below that an empty space at low frequency indicates less similarity between two parties. Contrariwise, if words in a two-sided panel are closer to the zero-slope line the two parties use more similar words.
frequency <- tokens.count %>%
group_by(party) %>%
mutate(proportion = n/sum(n)) %>%
select(party, word, proportion) %>%
spread(party, proportion)